探索层次兴趣表示用于Meta广告深度漏斗优化
摘要
Meta提出Hierarchical Interest Representation（HIR），一种上游表示层，通过图学习与多模态知识丰富，学习广告实体的层次化兴趣嵌入，以解决信号稀疏问题并提升深度漏斗广告性能。
核心要点
- HIR采用基于Transformer的图学习，结合偏置注意力与自监督跨视图蒸馏。
- 在大规模Meta广告数据上端到端训练，处理数十亿交互。
- 引入Bag-of-Meaning兴趣令牌，支持个性化、检索、监督和排序架构。
- 与Meta的生成广告模型（GEM）、Andromeda和自适应排序模型集成。
- 通过降维将原始图转化为可配置的超图，使稀疏用户-广告边变得密集。
原文佐证
- Hierarchical Interest Representation is an upstream representation layer designed to improve upon Meta s deep funnel ranking optimization.
- It aims to connect businesses with the population of people on our platforms who carry the most genuine, latent interest in what they offer.
AI 洞察
HIR代表了广告推荐从基于规则向图神经网络与多模态融合的范式转变，其层次化结构能同时捕获稳定兴趣锚与稀疏深度漏斗信号。这一统一表示层有望成为Meta广告产品的核心基础设施，推动个性化与相关性提升。